Мультилокусный анализ генетической предрасположенности к инфаркту миокарда у русских: репликационное исследование

Полный текст

ВВЕДЕНИЕ Инфаркт миокарда (ИМ) - наиболее тяжелая форма ишемической болезни сердца (ИБС). Несмотря на значительный прогресс в предотвращении и лечении сердечно-сосудистых заболеваний (ССЗ), достигнутый за последние десятилетия в ведущих странах мира, ИМ остается наиболее частой причиной смерти населения в мировом масштабе. Как ИМ, так и ИБС представляют собой мультифакториальные полигенные заболевания, и присущий им не-Менделевский характер наследования является следствием взаимодействия вариантов ряда генов. Генетическая предрасположенность к ИБС хорошо изучена с помощью полногеномных ассоциативных исследований (GWAS), тогда как для ИМ как отдельного фенотипа проведено относительно немного полногеномных исследований [1, 2]. Наблюдается довольно плохая воспроизводимость немногочисленных ИМ-ассоциированных локусов, выявленных в отдельных работах, что может быть связано с этническими различиями между выборками. Хотя GWASs направлены на поиск генетических вариантов, которые позволили бы оценивать риск ИМ, отмечается, что пока они не привели к прогрессу в прогнозировании риска этого заболевания [3]. Не удивительно, что традиционный подход «ген- кандидат» сохраняет свою значимость. Накоплены обширные данные по ассоциации отдельных генов- кандидатов с ИМ у жителей России, многие из которых получены российскими участниками международных проектов MONICA [4] и HAPIEE [5]. Особое значение при выявлении факторов генетической предрасположенности придается воспроизведению (репликации) полученных результатов как на независимых выборках представителей того же этноса, так и в других этнических группах. Ранее мы наблюдали, что варианты генов FGB, TGFB1, CRP, IFNG и PTGS1, продукты которых вовлечены в системы воспаления и коагуляции, ассоциированы с риском развития ИМ у этнических русских, и реплицировали эти результаты на независимой выборке русских [6]. Показана прогностическая значимость найденных маркеров, причем эффективность прогноза существенно повышается при суммировании вкладов отдельных генов. Однако идентифицированные локусы объясняют только незначительную долю риска ИМ. В поисках других генетических маркеров риска ИМ, имеющих прогностическую значимость для русских, в настоящей работе мы расширили круг исследуемых нами генов-кандидатов, включив в него гены системы липидного обмена (PCSK9, LPL и APOE), гены MTHFR и eNOS, а также локус в области 9p21. Известно, что продукты выбранных генов липидного обмена вовлечены в развитие ССЗ. Показано, что белок PCSK9 (пропротеин-конвертаза субтилизин-кексинового типа 9), кодируемый геном PCSK9, участвует в деградации рецепторов липопротеинов низкой плотности и служит мишенью при терапии дислипидемией и связанных с ней ССЗ [7]. Продукт гена APOE, аполипопротеин E, участвует в транспорте липидов и играет важную роль в развитии ССЗ [8]. Кодируемая геном LPL липопротеинлипаза является ключевым ферментом метаболизма и транспорта липидов и участвует в патогенезе атеросклероза [9]. Хорошо известна также роль продуктов генов MTHFR и eNOS в патогенезе ССЗ. MTHFR кодирует фермент метилентетрагидрофолатредуктазу, участвующую в превращении гомоцистеина в метионин. Гомоцистеинемия может приводить к дисфункции эндотелия, что является фактором риска атеросклероза и связанных с ним ССЗ. [10]. Кодируемая геном eNOS эндотелиальная синтаза оксида азота (NO) катализирует образование NO, участвующего в регуляции тонуса и проницаемости сосудистой стенки; нарушения в системе NO могут приводить к атеросклерозу, гипертонии и тромбозу [11]. Ассоциацию rs1333049 в области 9p21 с ИМ наблюдали в нескольких GWAS и валидировали в ряде этносов. В этом локусе находится ген некодирующей регуляторной РНК ANRIL. Эта РНК может влиять на экспрессию ингибиторов циклинзависимых киназ p15INK4a и p16INK4b, которые кодируются генами CDKN2A и CDKN2B, расположенными в той же области. Предполагают, что область 9p21 может участвовать в патогенезе атеросклероза через регуляцию пролиферации и апоптоза гладкомышечных клеток [12]. Целью нашей работы было репликационное исследование ассоциации вариантов генов PCSK9, APOE, LPL, MTHFR, eNOS и области 9p21 с риском развития ИМ у русских. В табл. 1 представлены характеристики выбранных генов и однонуклеотидных полиморфизмов (SNP). Мы провели также мультилокусный анализ ассоциации сочетаний вариантов этих генов/локусов с ИМ, поскольку такой подход создает возможность выявления кумулятивного эффекта генов [13], и исследовали природу этого эффекта. Мы оценили прогностическую эффективность найденных маркеров как по отдельности, так и совместно с ранее найденными маркерами [6]. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ В исследовании методом «случай-контроль» использовали образцы геномной ДНК больных ИМ, которые проходили лечение в отделе неотложной кардиологии Национального медицинского исследовательского центра кардиологии Минздрава РФ. Группа больных включала 405 человек, этнических русских, средний возраст (ср. в.) ± стандартное отклонение 57.5 ± 12.8 лет. Из них 271 мужчина (ср. в. 53.4 ± 11.9 лет) и 134 женщины (ср. в. 65.6 ± 10.3 лет). Диагноз ИМ ставился согласно критериям [14]. Контрольная группа состояла из 198 лиц, русских, без ССЗ в анамнезе, ср. в. 59.8 ± 13.3 лет. Из них 112 мужчин (ср. в. 57.1 ± 11.9 лет) и 86 женщин (ср. в. 63.2 ± 14.2 лет). От всех индивидов получено информированное согласие на проведение исследования. Геномное типирование проводили методами, основанными на полимеразной цепной реакции (ПЦР). Для эпсилон-полиморфизма гена APOE (rs7412, rs429358) [15], 495T > G гена LPL (rs320) [16], 677C > T MTHFR (rs1801133) [17] и -786T>C гена eNOS (rs2070744) [18] проводили анализ полиморфизма длин рестрикционных фрагментов продуктов ПЦР. Геномное типирование rs562556 PCSK9, rs1333049 в области 9р21.3 осуществляли методом ПЦР в режиме реального времени с применением набора TaqMan® SNP Genotyping Assay (Applied Biosystems). Статистический анализ Анализ отклонения наблюдаемых частот генотипов от равновесия Харди-Вайнберга проводили с использованием программы Haploview 4.2 [19]. Поиск ассоциаций носительства аллелей и генотипов отдельных SNP и их сочетаний с развитием ИМ проводили с помощью программного обеспечения (ПО) APSampler [20]. Значимость найденных ассоциаций оценивали с помощью точного критерия Фишера и по значениям отношения шансов (ОШ). Для величин p по Фишеру вводили поправку на число тестов (множественных сравнений) в соответствии с методом Бонферрони (pcorr). Величиы р и pcorr считали значимыми при уровне < 0.05 при условии, что значения 95% доверительного интервала (ДИ) для ОШ не пересекали 1. Считали SNP ассоциированным с ИМ, если ассоциация была значимой либо в рецессивной, либо в доминантной модели. Для выявления возможного нелинейного взаимодействия (эпистаза) между аллелями в найденных биаллельных сочетаниях использовали подход, предложенный нами ранее [6], определяя величины р в точном трехфакторном тесте [21] и фактор синергии (SF) [22]. Взаимодействие между аллелями в сочетании рассматривали как эпистатическое, если величина p была менее 0.05, а значение 95% ДИ для SF не пересекало 1. Для построения предиктивных моделей использовали метод логистической регрессии с пошаговым включением переменных (пакет stats v.3.3.1 for R). Прогностическую эффективность оценивали по площади под кривой (AUC) при ROC (receiver operating characteristic) анализе с использованием пакета pROC v.1.8 for R; парные сравнения проводили по методу [23]. Для оценки чувствительности и специфичности предиктивных моделей рассчитывали пороговый уровень вероятности по методу [24]. РЕЗУЛЬТАТЫ Равновесие Харди-Вайнберга соблюдалось для исследованных полиморфных участков в контрольной группе (p > 0.05). На рис. 1 представлены частоты аллелей всех исследованных локусов в контрольной группе в сравнении с частотами минорных аллелей (global MAF) из базы данных SNP [25] по данным проекта «1000 геномов», фаза 3. Абсолютные различия наблюдаемых частот аллелей от данных базы SNP составляют до 10%. Данные о носительстве аллелей и генотипов генов PCSK9 (rs562556), APOE (эпсилон-полиморфизм, rs7412 и rs429358), LPL (rs320), MTHFR (rs1801133), eNOS (rs2070744) и области 9p21 (rs1333049) у 405 пациентов, перенесших ИМ, и 198 индивидов контрольной группы представлены в табл. 2. Наблюдали значимые различия в частотах носительства аллелей и генотипов полиморфных участков всех трех генов липидного обмена: PCSK9, APOE и LPL. Значимые различия выявлены также для гена eNOS, но не MTHFR и области 9p21. Факторами риска развития ИМ оказались генотипы PCSK9*A/A (р = 0.013, OШ = 1.45), APOE*ε3/ε3 (р = 0.017, OШ = 1.52) и LPL*G/G (р = 0.032, OШ = 1.96), а также носительство аллеля eNOS*С (р = 0.0034, OШ = 1.63). Следует отметить, однако, что величина рcorr, полученная с поправкой Бонферрони на число тестов (множественных сравнений), была значимой только в случае вариантов генов APOE и eNOS. метод Монте-Карло, мы провели мультилокусный анализ, направленный на выявление совместного вклада в предрасположенность к ИМ сочетаний аллелей и генотипов исследуемых генов. Обнаружены ассоциированные с риском ИМ би- и триаллельные сочетания, характеризующиеся бóльшим размером эффекта и бóльшим уровнем значимости ассоциации с ИМ, чем компоненты этих сочетаний. В состав сочетаний входят не только варианты генов PCSK9, APOE, LPL и eNOS, значимо ассоциированные с ИМ поодиночке, но и аллели/генотипы MTHFR и rs1333049 в области 9p21. На рис. 2 (А-В) приведены значения ОШ и 95% ДИ для сочетаний, содержащих варианты двух последних локусов: MTHFR*С, rs1333049*С и rs1333049*С/G. Видно, что во всех случаях перечисленные варианты, представленные в нижней части каждого рисунка, не значимы. Однако сочетание аллеля MTHFR*С с аллелем eNOS*С оказывается значимым (р = 0.0006; OШ = 1.80), причем более значимым, чем носительство одного аллеля eNOS*С (рис. 2А). С риском ИМ ассоциировано также триаллельное сочетание (LPL*G/G + MTHFR*С + rs1333049*С) (р = 0.018; OШ = 2.83) и входящее в его состав биаллельное сочетание (LPL*G/G + MTHFR*С) (р = 0.021; OШ = 2.30), которое ассоциировано слабее, чем это триаллельное сочетание, но более значимо, чем один генотип LPL*G/G (рис. 2Б). Еще одно триаллельное сочетание (APOE*ε4 + eNOS*Т + rs1333049*С/G) негативно ассоциировано с риском ИМ (р = 0.00041; OШ = 0.30) (рис. 2В). Слабее с риском ИМ ассоциированы входящие в его состав биаллельные сочетания (APOE*ε4 + rs1333049*С/G) и (APOE*ε4 + eNOS*Т). Однако эта ассоциация сильнее, чем у единственного значимого поодиночке компонента сочетания - носительства аллеля APOE*ε4. Таким образом, с помощью мультилокусного анализа удалось выявить участие в формировании предрасположенности к ИМ в составе нескольких аллельных сочетаний вариантов гена MTHFR (rs1801133) и локуса 9p21 (rs1333049), которые не были значимо ассоциированы с ИМ поодиночке. Для выяснения вопроса о том, чем объясняется наблюдаемый кумулятивный эффект аллелей разных генов - суммированием малых взаимно независимых вкладов отдельных аллелей или же эпистатическими взаимодействиями между этими аллелями - мы провели анализ трехфакторных взаимодействий с помощью статистического подхода, описанного нами ранее [6]. Полученные при этом значения фактора синергии (SF) с 95% ДИ и величины р в точном трехфакторном тесте, аналогичные ОШ с 95% ДИ и величине р в тесте Фишера при стандартной оценке ассоциаций между фенотипом и генотипом (т.е. в двухфакторном тесте), оказались незначимыми. Таким образом, мы не выявили значимых эпистатических взаимодействий между компонентами всех найденных сочетаний. Для оценки прогностической значимости обнаруженных генетических факторов риска с помощью метода логистической регрессии была рассчитана индивидуальная вероятность возникновения ИМ у каждого индивида в зависимости от носительства вариантов генов PCSK9, APOE, LPL и eNOS. Оценивали вклад совместного носительства аллелей/ генотипов риска этих генов с помощью ROC-анализа (рис. 3А), исходя из эффективности классификации индивидов на больных и здоровых. Видно, что рассматриваемые генетические факторы поодиночке являются плохими классификаторами риска возникновения ИМ (AUC < 0.60). Однако при совместном учете данных о носительстве аллелей/генотипов PCSK9, APOE, LPL и eNOS достигается удовлетворительная прогностическая эффективность (AUC = 0.604). Надо отметить, что добавление в модель незначимых поодиночке аллелей гена MTHFR и области 9p21, входящих в состав выявленных с помощью APSampler сочетаний, не делает ее более эффективной. Эти данные использованы для улучшения полученной нами ранее композитной генетической модели риска ИМ, включающей в качестве предикторов варианты генов TGFB1, FGB и CRP, а также эпистатическое сочетание IFNG с PTGS1 [6]. На рис. 3Б показаны три ROC-кривые: ROC-кривая, полученная в исследованной выборке для композитной модели, описанной в [6], ROC-кривая для совместного носительства найденных новых маркеров, представленная на рис. 3А, и ROC- кривая для обобщенной композитной модели, включающей как маркеры из предыдущей, так и из настоящей работы. Видно значимое (p = 0.014) повышение прогностической эффективности модели от AUC 0.641 в модели без новых маркеров до 0.676 в обобщенной композитной модели. ОБСУЖДЕНИЕ Проведенный методом «случай-контроль» мультилокусный анализ ассоциации полиморфных вариантов PCSK9 (rs562556), APOE (эпсилон-полиморфизм, rs7412 и rs429358), LPL (rs320), MTHFR (rs1801133), eNOS (rs2070744) и области 9p21 (rs1333049) с риском развития ИМ позволил выявить значимо ассоциированные с ИМ аллели/генотипы PCSK9, APOE, LPL и NOS, а также би- и триаллельные сочетания, несущие, помимо вариантов перечисленных генов, еще и аллели/генотипы MTHFR и области 9p21. Каждый из исследованных нами генов системы липидного обмена - PCSK9, LPL и APOE - оказался ассоциированным с риском ИМ; ОШ для генотипов риска лежит в пределах от 1.45 до 1.96, однако уровень значимости невелик (от 0.013 до 0.032). Вовлечение генов системы липидного обмена в развитие ИМ хорошо согласуется с общеизвестным фактом, что нарушения обмена липидов и повышение уровня холестерина и индекса атерогенности приводят к атеросклеротическим поражениям интимы артерий. Однако опубликованные данные об участии изученных нами вариантов генов системы липидного обмена в формировании ССЗ противоречивы. rs562556 в гене PCSK9 определяет замену Ile на Val в положении 474 кодируемого белка, что, по всей видимости, не влияет на уровень его продукции [26]. Мы наблюдали ассоциацию генотипа А/A этого SNP с ИМ у русских. Однако у японцев не наблюдали различий в распределении вариантов rs562556 у больных с ИМ и в контрольной группе, хотя этот SNP был ассоциирован с уровнем холестерина [27]. Выявлена связь между полиморфизмом rs562556, присутствием антифосфолипидных антител и развитием у носителей этих антител тромбоза - фактора риска ИМ [28]. Ассоциация с ИМ других вариантов гена PCSK9, а именно rs11206510 [29] и rs11591147 [30], показана в различных популяциях. Таким образом, полученные нами данные об ассоциации гена PCSK9 с возникновением ИМ находятся в соответствии с опубликованными данными. Отдельные аллельные варианты включенного в наше исследование эпсилон-полиморфизма гена APOE практически во всех популяциях ассоциированы с ССЗ и, в частности, с ИМ. Согласно проведенным метаанализам, с риском развития ИМ ассоциирован аллель ε4, а ε2 является протективным [31, 32]. Однако выводы, полученные при метаанализе, включающем различные этносы, нельзя автоматически распространять на отдельные популяции, в которых наблюдается большой разброс в оценке роли отдельных аллелей в предрасположенности к ИМ. Вероятно, основной причиной плохой сходимости результатов отдельных исследований является существенная разница в частотах аллелей в различных популяциях и даже в одной и той же популяции, проживающей на разных территориях [33]. В частности, в нашем исследовании, выполненном для русских из Центральной России, генотипом риска оказался ε3/ε3, а в выборке мужчин из сибирской популяции - генотип ε2/ε3 [34]. rs320, известный также как HindIII-полиморфизм, определяет замену T на G в интроне 8 гена LPL. Предполагают, что он находится в регуляторной области и влияет на экспрессию LPL [35]. Мы наблюдали ассоциацию rs320 с ИМ в нашей выборке. Связь этого полиморфизма с развитием ИМ показана и в ряде других исследований [36, 37], в том числе и у русских [38]. Описаны и другие полиморфизмы этого гена, ассоциированные с ИМ в японской популяции [39]. Однако данные об ассоциации отдельных аллелей с ИМ не всегда совпадают. Еще один локус, вариант которого значимо ассоциирован с ИМ в нашей работе - это rs2070744 гена eNOS. Этот полиморфный участок находится в промоторной области гена. Аллель C, ассоциированный с риском ИМ в нашем исследовании, связан с уменьшением экспрессии мРНК и соответственно уровня белка eNOS [40]. Наши данные совпадают с результатами других исследований [41]. Замена C на T в rs1801133 гена MTHFR приводит к замещению Ala в положении 222 белка на Val [42] и к почти к 50% снижению ферментативной активности метилентетрагидрофолатредуктазы [43]. В большинстве исследований не наблюдали ассоциации rs1801133 с риском развития ИМ в различных этносах, включая европеоидов [44] и русских [45]. Мы также не выявили ассоциации rs1801133 с риском развития ИМ у русских, однако носительство аллеля С оказалось значимо ассоциированным с риском ИМ в сочетании с носительством аллеля С гена eNOS (см. рис. 2А) или с носительством генотипа G/G гена LPL (см. рис. 2Б). Мы полагаем, что эти данные могут быть интерпретированы как аргумент в пользу вовлечения гена MTHFR в формирование предрасположенности к ИМ. Область 9p21 - единственная область генома, вовлеченность которой в формирование ИМ воспроизведена в нескольких GWASs с полногеномным уровнем значимости (p < 5 × 10-8) [2]. Эти данные подтверждены в ряде валидационных исследований, в том числе для rs10757278 и rs1333049 на выборке больных ИМ и контрольных групп из сибирской популяции (без указания этнической принадлежности) [46]. Мы не наблюдали значимой ассоциации rs1333049 с ИМ у русских, однако мультилокусный анализ позволил выявить ряд сочетаний, содержащих этот SNP. Носительство аллеля rs1333049*С в составе триаллельного сочетания ассоциировано с риском ИМ (см. рис. 2Б), а генотип rs1333049*С/G в составе би- и триаллельного сочетаний оказался протективным (см. рис. 2В), в хорошем соответствии с результатами работы [46]. Проведенный статистический анализ трехфакторных взаимодействий свидетельствует об отсутствии эпистатических взаимодействий между компонентами всех найденных сочетаний. В то же время все биаллельные сочетания, ассоциированные с риском ИМ (ОШ > 1), имеют по сравнению с входящими в них отдельными аллелями/генотипами бóльший уровень значимости и бóльшие значения ОШ (соответственно для протективных сочетаний с ОШ < 1 - меньшие значения ОШ). Аналогичная закономерность проявляется для триаллельных сочетаний при сравнении с биаллельными. Мы приходим к заключению, что наблюдаемые в настоящей работе кумулятивные эффекты возникают в результате аддитивности вкладов отдельных генов. Аддитивность эффекта при этом обусловлена тем, что в сравнительно небольшой выборке статистическая значимость наблюдения ассоциации заболевания с сочетанием слабых генетических факторов, действующих в одном направлении, выше, чем при наблюдении каждого из этих факторов. Следовательно, есть все основания предположить, что локусы MTHFR (rs1801133) и 9p21 (rs1333049) являются самостоятельными факторами риска ИМ с малыми эффектами, для выявления значимых ассоциаций с которыми в исследуемой нами выборке оказалось недостаточно статистической мощности, а использование мультилокусного анализа позволило восполнить этот недостаток. Аналогичным образом, вследствие малых эффектов локусов MTHFR (rs1801133) и 9p21 (rs1333049), их добавление в композитную генетическую модель риска ИМ не повышало ее прогностической эффективности. Здесь следует отметить преимущество эпистатических сочетаний перед сочетаниями аддитивными в качестве классификаторов риска. Действительно, в работе [6] одним из предикторов риска ИМ оказалось эпистатическое сочетание IFNG с PTGS1, оба компонента которого поодиночке не были ассоциированы с заболеванием. В то же время выявление генетических вариантов, входящих в состав аддитивных сочетаний, открывает возможность обнаружить их ассоциацию с заболеванием поодиночке на выборках большего объема. Прогностическая эффективность композитной генетической модели риска ИМ, построенной на основании результатов настоящего исследования, хотя и значима, но невелика. Это справедливо и для модели, полученной нами ранее [6]. При объединении двух моделей удалось достичь величины AUC 0.676, что при пороге вероятности (cut-off) 0.74 соответствует чувствительности 0.80 и специфичности 0.45. В целом, на сегодняшний день ни результаты GWAS, ни данные, полученные с использованием подхода «ген-кандидат», не позволяют эффективно использовать данные генетического анализа для предсказания возникновения ИМ. ЗАКЛЮЧЕНИЕ Таким образом, проведенный анализ ассоциации полиморфных участков шести генов-кандидатов показал их значимую ассоциацию с ИМ или поодиночке, или в составе сочетаний. В целом, мы реплицировали на независимых выборках русских из Центральной России ассоциацию с ИМ полиморфных вариантов генов PCSK9, APOE, LPL, MTHFR, eNOS и области 9p21. Поскольку варианты одних и тех же генов (rs1801133 гена MTHFR или rs1333049 области 9p21), не значимые поодиночке, входили в состав нескольких различных сочетаний, между компонентами которых не выявлено эпистатических взаимодействий, можно заключить, что обнаруженный с помощью мультилокусного анализа кумулятивный эффект генов в составе сочетания возникает в результате суммирования их малых независимых вкладов. Включение найденных маркеров в ранее опубликованную нами модель индивидуального генетического риска ИМ [6] значимо повышает ее предсказательную эффективность, хотя полученные нами результаты, безусловно, нуждаются в воспроизведении на независимой выборке русских. Для дальнейшего повышения предсказательной способности композитной модели необходимо улучшать ее путем включения других генетических предикторов риска и уточнения значений коэффициентов уравнения регрессии на расширенных выборках.

Об авторах

Н. Г. Кукава

Национальный медицинский исследовательский центр кардиологии Минздрава РФ

Email: olga.favorova@gmail.com
Россия

Б. В. Титов

Национальный медицинский исследовательский центр кардиологии Минздрава РФ; Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава РФ

Email: olga.favorova@gmail.com
Россия

Г. Ж. Осьмак

Национальный медицинский исследовательский центр кардиологии Минздрава РФ; Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава РФ

Email: olga.favorova@gmail.com
Россия

Н. A. Матвеева

Национальный медицинский исследовательский центр кардиологии Минздрава РФ; Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава РФ

Email: olga.favorova@gmail.com
Россия

O. Г. Кулакова

Национальный медицинский исследовательский центр кардиологии Минздрава РФ; Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава РФ

Email: olga.favorova@gmail.com
Россия

A. В. Фаворов

Oncology Biostatistics and Bioinformatics, Johns Hopkins School of Medicine

Email: olga.favorova@gmail.com
США

Р. M. Шахнович

Национальный медицинский исследовательский центр кардиологии Минздрава РФ

Email: olga.favorova@gmail.com
Россия

M. Я. Руда

Национальный медицинский исследовательский центр кардиологии Минздрава РФ

Email: olga.favorova@gmail.com
Россия

O. O. Фаворова

Национальный медицинский исследовательский центр кардиологии Минздрава РФ; Российский национальный исследовательский медицинский университет им. Н.И. Пирогова Минздрава РФ

Автор, ответственный за переписку.
Email: olga.favorova@gmail.com
Россия

Список литературы

Дополнительные файлы